Simulación y Validación de un Sistema de Destilación para la Separación de Azeótropos de Diisopropileter – Isopropanol – Agua en Procesos Mejorados para la Industria Química
Resumen
La presente investigación tiene como finalidad la simulación y validación de un sistema de destilación con variación de presión para separar una mezcla de Diisopropileter (DIPE) -Isopropanol (IPA) – Agua, en la industria química con el fin de ejecutar una base de datos para diseñar una red neuronal artificial (RNA) capaz de predecir las principales fracciones molares en las columnas de destilación y en la recirculación. El desarrollo de la RNA se ejecutó con una base de datos obtenida del simulador de procesos químicos Además, se obtendrán cinco salidas: el flujo molar en el fondo, fracción molar de IPA en el fondo y fracción molar de DIPE en el tope de la columna de destilación C1; la fracción molar de DIPE en el fondo y fracción molar de DIPE en el tope de la columna de destilación C3. La red se diseñó utilizando lenguaje de programación Phyton en el entorno informático de Jupyter Notebook.
Descargas
Citas
ARCE, Alberto; et al. ¨(Vapour + liquid) equilibrium of (DIPE + IPA + water) at 101.32 kPa¨. Journal of Chem. Thermodynamic [en línea], 2003, (España), vol. 35 (1), pp: 871-884 [Consulta: 03 de enero 2021]. Disponible en: doi:10.1016/S0021-9614(03)00018-1
ARIFIN, S., CHIEN, I. ¨Combined preconcentrator/recovery column design for isopropyl alcohol dehydration process¨. Journal of Industrial & Engineering Chemistry Research [en línea], 2007, (China), vol. 46 (8), pp: 2535-2543 [Consulta: 16 de febrero 2021]. Disponible en: https://doi.org/10.1021/ie061446c
ARMENTA, M., VALDEZ, R., SILVA, R. ¨ Diisopropyl ether production via 2-propanol dehydration using supported iron oxides catalysts¨. Journal of Fuel [en línea], 2019, (Mexico), vol. 236 (1), pp: 934-941 [Consulta: 11 de febrero 2021]. Disponible en: https://doi.org/10.1016/j.fuel.2018.06.138
ASAMBLEA NACIONAL DEL ECUADOR. Código Orgánico de La Economía Social de Los Conocimientos, Creatividad e Innovación [en línea]. Ecuador: 2016. [Consulta: 13 de agosto 2020] Disponible en: http://www.wipo.int/edocs/lexdocs/laws/es/ec/ec075es.pdf
BIYANTO, Totok; et al. ¨Artificial neural network-based modeling and controlling of distillation column system¨. Journal of Engineering, Science and Technology [en línea], 2010, (Malasya), vol. 6 (1), pp: 177-188 [Consulta: 26 de noviembre 2020]. Disponible en: DOI: 10.4314/ijest.v2i6.63709
BUITRAGO, J., AMAYA, D., y RAMOS, O. ¨Model and Simulation of a Hydrotreatment Reactor for Diesel Hydrodesulfurization in Oil Refining¨. Journal of Contemporary Engineering Sciences [en línea], 2017, (Colombia), vol. 10 (25), pp: 1245-1254 [Consulta: 15 de febrero 2021]. Disponible en: https://doi.org/10.12988/ces.2017.710135
CHAO, Guang; et al. ¨ Comparison of heterogeneous azeotropic and pressure-swing distillations for separating the diisopropylether/isopropanol/water mixtures¨. Journal of Chemical Engineering Research and Design [en línea], 2019, (China), vol. 143 (1), pp: 249-260. [Consulta: 23 de julio 2020]. Disponible en: https://doi.org/10.1016/j.cherd.2019.01.021
CHEMSEP. Chemsep Web Site [blog]. 2020. [Consulta: 17 de agosto 2020]. Disponible en: http://www.chemsep.org/
CHETOUANI, Yahya. ¨Using Artificial Neural networks for the modelling Of a distillation column¨. Journal of Technomathematics Research Foundation [en línea], 2007, (Francia), vol. 4 (7), pp: 119-33. [Consulta: 30 de agosto 2020]. Disponible en: http://www.tmrfindia.org/ijcsa/V4I310.pdf
DURST, Dupont, y GOKEL, George. Química Orgánica Experimental [en línea]. Barcelona-España: Reverté, 2007 [Consulta: 15 de agosto 2020]. Disponible en: https://books.google.com.ec/books?id=xiqTfEO1a2gC&printsec=frontcover&hl=es#v=onepage&q&f=false
ENZYME ADVISING GROUP. Redes neuronales con Python: ¿por qué es el mejor lenguaje para IA? [blog]. 2020. [Consulta: 01 de septiembre 2020]. Disponible en: https://blog.enzymeadvisinggroup.com/
FERRERO, Rosana. ¿Qué es el anova de una vía [blog]. 2020. [Consulta: 02 de febrero 2021]. Disponible en: https://www.maximaformacion.es/blog-dat/que-es-el-anova-de-una-via/
GAO, Xiaoxi; et all. ¨A combination of pressure-swing and extractive distillation for separating complex binary azeotropic system¨. Journal of Chemical Engineering and Processing: Process Intensification [en línea], 2017, (China), vol. 122 (1), pp: 269-276 [Consulta: 18 de febrero 2021]. Disponible en: https://doi.org/10.1016/j.cep.2017.10.012
GOSS, Mark. Análisis estadístico con JASP: una guía para estudiantes [en línea], Barcelona-España: FUOC, 2018. [Consulta: 29 de septiembre 2020]. Disponible en: http://openaccess.uoc.edu/webapps/o2/bitstream/10609/102926/6/An%C3%A1lisis%20estad%C3%ADstico%20con%20JASP%20una%20gu%C3%ADa%20para%20estudiantes.pdf
IQBAL, Asma y AKHLAQ, Syed. ¨Pressure swing distillation of azeotropicmixture — A simulation study¨. Journal of Perspectives in Science [en línea], 2016, (India), vol. 8 (1), pp: 4-6. [Consulta: 26 de septiembre 2020]. Disponible en: https://doi.org/10.1016/j.pisc.2016.01.001
JANARDHANAN, PS. ¨Project repositories for machine learning with TensorFlow¨. Journal of Procedia Computer Science [en línea], 2020, (India), vol. 171 (1), pp: 188-196 [Consulta: 03 de enero 2021]. Disponible en: https://doi.org/10.1016/j.procs.2020.04.020
JUN, Qi; et al. ¨Heat-Integrated Azeotropic Distillation and Extractive Distillation for the Separation of Heterogeneous Ternary Azeotropes of Diisopropyl Ether/Isopropyl Alcohol/Water¨. Journal of Industrial & Engineering Chemistry Research [en línea], 2019, (China), vol. 58(45), pp: 20734-20745. [Consulta: 30 de agosto 2020]. Disponible en: DOI: 10.1021/acs.iecr.9b03846
JUN, Qi; et al. ¨Ionic liquid extractive distillation for the recovery of diisopropyl ether and isopropanol from industrial effluent: Experiment and simulation¨. Journal of Cleaner Production [en línea], 2020, (China), vol. 254 (1), pp: 120132 [Consulta: 22 de agosto 2020]. Disponible en: https://doi.org/10.1016/j.jclepro.2020.120132
KING, Judson; et al. ¨Separation & Purification: Critical Needs and Oportunities¨. Journal of The National Academies Press [en línea], 1987, (Washingon, DC), pp: 63-64. [Consulta: 29 de agosto 2020]. Disponible en: https://doi.org/10.17226/19188
KISS, Anton y SMITH, Robin. ¨Rethinking energy use in distillation processes for a more sustainable chemical industry¨. Journal of Energy [en línea], 2020, (United Kingdom), vol. 203 (1), pp: 117788 [Consulta: 20 de agosto 2020]. Disponible en: https://doi.org/10.1016/j.energy.2020.117788
KOOIJMAN, Harry y TAYLOR, Ross. ChemSep Modeling Separation Processes [blog]. 2020. [Consulta: 2020-06-01]. Disponible en: http://www.chemsep.com/program/index.html
CHEN, Hao; et al. ¨Applying artificial neural network to predict the viscosity of microalgae slurry in hydrothermal hydrolysis process¨. Journal of Energy and AI [en línea], 2021, (China), vol. 4 (1), pp: 100053 [Consulta: 27 de febrero 2020]. Disponible en: https://doi.org/10.1016/j.egyai.2021.100053
LÉVY, Jean. Las redes neuronales artificiales: Fundamentos teóricos y aplicaciones prácticas [en línea], La Coruña-España: NETBIBLIO S. L., 2008. [Consulta: 28 de septiembre 2020]. Disponible en: https://books.google.com.ec/books?id=X0uLwi1Ap4QC&printsec
LIN, K., TSAI, M. y CHIEN, I. ¨Energy-efficient separation design of diisopropylether/isopropanol/water system having three distillation regions and liquid-liquid envelope¨. Journal of Separation and Purification Technology [en línea], 2020, (Taiwan), vol. 251 (1), pp: 117292. [Consulta: 27 de septiembre 2020]. Disponible en: https://doi.org/10.1016/j.seppur.2020.117292
LLADOSA, Estela; et al. ¨Separation of di-n-propyl ether and n-propyl alcohol by extractive distillation and pressure-swing distillation: Computer simulation and economic optimization¨. Journal of Chemical Engineering and Processing: Process Intensification [en línea], 2011, (España), vol. 50 (11-12), pp: 1266-1274. [Consulta: 30 de noviembre 2020]. Disponible en: https://doi.org/10.1016/j.cep.2011.07.010
LUYBEN, William. ¨Comparison of extractive distillation and pressure-swing distillation for acetone/chloroform separation¨. Journal of Computers & Chemical Engineering [en línea], 2013, (United States of America), vol. 50 (1), pp: 1-7. [Consulta: 29 de agosto 2020]. Disponible en: https://doi.org/10.1016/j.compchemeng.2012.10.014
LUYBEN, William. ¨Design and Control of a Fully Heat-Integrated Pressure-Swing Azeotropic Distillation System¨. Journal of Industrial & Engineering Chemistry Research [en línea], 2008, (United States of America), vol. 47 (8), pp: 2681-2695. [Consulta: 02 de septiembre 2020]. Disponible en: https://doi.org/10.1021/ie071366o
MACHINE LEARNING MASTERY PTY. What is Deep Learning? [blog]. 2020. [Consulta: 20 de diciembre 2020]. Disponible en: https://machinelearningmastery.com/what-is-deep-learning/
MANZANARES, Albert. Detector de baches con deep learning [en línea], Barcelona-España: Treball de Fi de Grau, 2018. [Consulta: 29 de septiembre 2020]. Disponible en: https://repositori.upf.edu/bitstream/handle/10230/42402/Manzanares_2019.pdf
McCLARREN, Ryan. Computational Nuclear Engineering and Radiological Science Using Python [en línea]. Notre Dame-USA: ELSEVIER, 2018 [Consulta: 03 de enero 2021]. Disponible en: https://doi.org/10.1016/C2016-0-03507-6
MEDEIROS, Daniel. DWSIM - Open Source Process Simulator Web Site [blog]. 2020. [Consulta: 29 de agosto 2020]. Disponible en: http://DWSIM.inforside.com.br/wiki/index.php?title=DWSIM
MINISTERIO DE TELECOMUNICACIONES Y DE LA SOCIEDAD DE LA INFORMACIÓN. Software libre y Software Público [blog]. 2020. [Consulta: 16 de septiembre 2020]. Disponible en: https://www.gobiernoelectronico.gob.ec/software-libre-y-software-publico-2/
MULIA, Jorge y FLORES, Antonio. ¨Modeling, simulation and control of an internally heat integrated pressure-swing distillation process for bioethanol separation¨. Journal of Computers & Chemical Engineering [en línea], 2011, (México), vol. 35 (1), pp: 1532-1546. [Consulta: 29 de agosto 2020]. Disponible en: https://doi.org/10.1016/j.compchemeng.2011.03.011
NHU, Viet; et al. ¨Effectiveness assessment of Keras based deep learning with different robust T optimization algorithms for shallow landslide susceptibility mapping at tropical area¨. Journal of Catena [en línea], 2020, (Viet Nam), vol. 188 (1), pp: 104458 [Consulta: 22 de diciembre 2020]. Disponible en: DOI: 10.1016/j.catena.2020.104458
NumFOCUS. About us [blog]. 2021. [Consulta: 24 de noviembre 2020]. Disponible en: https://pandas.pydata.org/
OSOULALE, Funmilayo; et al. ¨Energy efficiency optimisation for distillation column using artificial neural network models¨. Journal of Energy [en línea], 2016, (United Kingdom), vol. 106 (1), pp: 562-578. [Consulta: 25 de septiembre 2020]. Disponible en: https://doi.org/10.1016/j.energy.2016.03.051
PANJAPAKKUL, Warissara. Techno-economic analysis of alternative pathways for isopropanol production. [En línea]. (Trabajo de titulación). (Maestría). A&M University. Texas-Estados Unidos. 2018. pp:1-94. [Consulta: 21 de enero 2021]. Disponible en: https://oaktrust.library.tamu.edu/bitstream/handle/1969.1/173590/PANJAPAKKUL-THESIS-2018.pdf?sequence=1
PROJECT JUPYTER. About us [blog]. 2021. [Consulta: 24 de enero 2020]. Disponible en: https://jupyter.org/about
PYTHON SOFTWARE FOUNDATION. Python Web Site [blog]. 2020. [Consulta: 01 de septiembre 2020]. Disponible en: https://www.python.org/
Derechos de autor 2023 Rebeca Elizabeth Lascano Núñez, Cristina Alexandra Carvajal Zurita, Vanessa Alexandra Navas Enríquez, Michelle Fernanda Quimbita Benavides
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.png)
.png)
1.png)
